Modul 8 (delapan)
Topik Distribusi Normal
Sub Topik Pengantar Distribusi Normal
1. Pendahuluan
2. Distribusi Normal
Materi 3. Sifat-sifat Distribusi Normal
4. Probabilitas P(a < X < b)
5. Fungsi Distribusi Kumulatif
1. Memahami distribusi normal dan mengoperasikan
rumus-rumus distribusi normal
2. Memahami pengertian distribusi normal baku
Tujuan 3. Menjelaskan sifat-sifat distribusi normal
4. Memahami konsep dan probabilitas P(a<x<b)
5. Menjelaskan konsep dan rumus fungsi distribusi
kumulatif
Modul 8 – Distribusi Normal 2
DISTRIBUSI NORMAL
8.1 Pendahuluan
Ada dua alasan mengapa distribusi normal sering digunakan dalam analisa
statistik, yaitu :
1. Distribusi normal memiliki kemampuan yang dapat diterapkan pada banyak situasi,
terutama untuk membuat kesimpulan dari sampel yang digunakan.
2. Distribusi normal sangat baik digunakan dalam analisis tentang fenomena yang
menggunakan data kontinu, seperti ukuran berat, tinggi rendahnya skor IQ,
panjang, jumlah curah hujan, banyaknya botol dalam satu kerat dan lain
sebagainya.
Gambar 8.1
Modul 8 – Distribusi Normal 3
Gambar 8.1 menunjukkan distribusi data miring ke kiri, dimana nilai rata-rata hitung
lebih kecil dari median dan median lebih kecil dari modus. Kurva tidak simetris
sebab puncaknya ada di bagian kanan, tetapi ada sedikit data yang menyebar ke
kiri.
Gambar 8.2
Gambar 8.2, dimana nilai rata-rata sama atau mendekati median dan modus.
Kurvanya simetris dengan puncak distribusi ada dibagian tengah. Distribusi ini
disebut dengan distribusi normal.
Gambar 8.3
Gambar 8.3 menunjukkan keadaan terbalik dari gambar 8.1, yaitu distribusi data
miring ke kanan, dimana nilai modus lebih kecil dari median dan median lebih kecil
dari nilai rata-rata hitung. Kurva juga tidak simetris sebab puncaknya ada dibagian
kiri, sementara ada sedikit data yang menyebar ke kanan.
Modul 8 – Distribusi Normal 4
Distribusi normal disebut juga distribusi Gauss, lihat kembali kurva distribusi
normal berikut :
Rata-rata populasi membagi dua data sama banyaknya sehingga luas daerah di
sebelah kiri rata-rata adalah 0.5 dan di sebelah kanan rata-rata juga 0.5. karakteristik
kurva normal yang dihubungkan dengan nilai rata-rata dan nilai standar deviasi data
adalah sebagai berikut :
Modul 8 – Distribusi Normal 5
1. Sekitar 68% nilai data observasi yang terdistribusi secara normal berada di dalam
interval µ ± 1 standar deviasi
2. Sekitar 95% nilai data observasi yang terdistribusi secara normal berada di dalam
interval µ ± 2 standar deviasi
Distribusi probabilitas normal untuk setiap nilai x yang membentuk kurva normal
mempunyai persamaan umum :
Rumus 8.1
Keterangan :
µ = rata-rata populasi
δ = simpangan baku populasi
π = konstanta yang nilainya mendekati 3.14159
e = konstanta yang nilainya mendekati 2,7182
x = setiap nilai variabel acak kontinu yang besarnya -∞ sampai dengan +∞
Distribusi normal f(x) didefinisikan pada internal terbuka -∞ < x < +∞. Distribusi
normal dengan parameter µ dan δ2 biasanya ditulis N (µ,δ2). Dengan memperhatikan
persamaan umum dan grafik distribusi normal f(x), tampak bahwa bentuk kurva
normal ditentukan oleh dua parameter, yaitu rata-rata (µ) dan simpangan baku (δ).
Bila nilai δ mengecil, bentuk kurva akan lebih rapat dan semakin runcing, dan
sebagian besar nilai x akan berkumpul atau mendekati nilai rata-rata µ. Sebaliknya,
jika nilai δ semakin besar, bentuk kurva akan lebih renggang dan tumpul, dimana
sebagian besar nilai x akan menjauhi nilai rata-rata µ. Perhatikan gambar 8.5 yang
menunjukkan uraian tiga distribusi data yang mempunyai simpangan baku serta rata-
rata.
Modul 8 – Distribusi Normal 6
δ1 < δ2 < δ3
µ1 = µ2 = µ3
f(x)
x
a µ b
Gambar 8.6 Luas daerah di bawah kurva
Pada gambar 8.6 probabilitas P(a<x<b) ditunjukkan oleh luas daerah yang diarsir,
yang dibatasi oleh kurva f(x), sumbu x, garis tegak x=a dan x=b. Oleh karena f(x)
Modul 8 – Distribusi Normal 7
Rumus 8.2
P(a<x<b) = ∫ f(x) dx = ∫ 1 e -1/2 (x - µ)2 dx
δ
δ√2π
Rumus integral tersebut sangat berguna untuk menghitung daerah di bawah kurva
distribusi normal standar. Akan tetapi, secara matematis bentuk integral dari fungsi
f(x) tersebut sulit dipecahkan secara langsung dengan teknik integral. Oleh karena itu,
penyelesaiannya dilakukan dengan memakai transformasi nilai-nilai X menjadi nilai-
nilai baku Z, yaitu :
Rumus 8.3
Z=x-µ
δ
Rumus 8.4
f(z) = 1 e – ½ Z2
√2π
Selanjutnya probabilitas P(z1 < Z < z2) dihitung dengan rumus berikut :
Rumus 8.5
P(z1 < Z < z2) = ∫ f(z) dz = ∫ 1 e – ½ Z2 dz
√2π
Berdasarkan integral dari distribusi normal standar tersebut, probabilitas P(z1 <
Z < z2) dihitung dengan memakai tabel distribusi normal standar. Perhatikan bahwa
Modul 8 – Distribusi Normal 8
nilai-nilai yang ada dalam tabel tersebut menunjukkan probabilitas dari nilai-nilai Z
mulai dari z = 0 sampai dengan z = Z0 (positif) yaitu P(0 < Z < Z0).
Contoh :
Tentukan probabilitas dari nilai Z berikut (gunakan tabel distribusi normal standar)
1) P(0 < Z ≤ 1.54) = 0.4382
2) P(- 2.53 ≤ Z < 0)
Karena fungsi distribusi normal standar simetri terhadap Z = 0, maka probabilitas
P(- 2.53 ≤ Z < 0) = P(0 < Z < 2.53) = 0.4943
Jawab :
Z = x - µ = X - 25
Modul 8 – Distribusi Normal 9
δ 10
maka diperoleh
Z1 = (20 – 25) / 10 = - 0.5 dan Z2 = (38 – 25)/10 = 1.3
Dengan demikian probabilitas P(20 < X < 38) = P(- 0.5 < Z < 1.3)
= P(- 0.5 < Z < 0) + P(0 < Z < 1.3)
= P(0 < Z < 0.5) + P(0 < Z < 1.3)
= 0.1915 + 0.4032
= 0.5947
Rumus 8.6
F(z) = P(Z < z) = ∫ f(z) dz = ∫ 1 e – ½ Z2 dz
√2π
Perhatikan bahwa grafik F(z) tidak memotong sumbu Z dan juga tidak
memotong garis F9z) = 1. Oleh karena itu, sumbu Z dan garis F9z) merupakan garis
batas dari grafik F(z). Dengan memakai fungsi distribusi kumulatif F(z), probabilitas
P(z1 < Z < z2) dihitung dengan menggunakan rumus berikut :
Rumus 8.7
P(z1 < Z < z2) = P(Z < z2) – P(Z < z1) = F(z2) – F(z1)
Modul 8 – Distribusi Normal 10
Contoh :
a. P(-1.43 < Z < 2.53) = F(2.53) – F(-1.43)
= F(2.50) – F(-1.40)
= 0.9938 – 0.0808
= 0.9130